Mindverse ปิดการระดมทุนรอบ A มูลค่า 50 ล้านดอลลาร์สหรัฐ โดย Meituan เป็นผู้นำ พร้อมเปิดแหล่งที่มาของโมเดลตัวแทนขนาด 750 พันล้านพารามิเตอร์ที่สร้างจาก GLM 5.1

ตามการติดตามของ Beating บริษัทพัฒนาเอเจนต์ปัญญาประดิษฐ์ Mindverse (Xinzhou Technology) ประกาศเสร็จสิ้นการระดมทุนรอบ A ที่นำโดย Meituan โดยมี Yuanhe Pu Hua, Shao Yin, Bianliang Capital และผู้ถือหุ้นเดิมร่วมลงทุน รวมยอดการระดมทุนใกล้เคียง 50 ล้านดอลลาร์สหรัฐ โดย Gao Gu Capital ทำหน้าที่ที่ปรึกษาการเงินแต่เพียงผู้เดียว Mindverse ก่อตั้งโดย Chen Kaijie และ Andrew (ซึ่งเคยร่วมงานกับ Yao Shunyu ในการตีพิมพ์งานวิจัย ReAct/FireAct) ทีมวิจัยหลักมาจากการพัฒนาของ DeepSeek, ByteDance Seed, xAI เป็นต้น โดยมุ่งเน้นการสร้างโมเดลเอเจนต์แบบเนื้อแท้ (Agent Model) ผ่านเทคนิคการฝึกอบรมหลังและเรียนรู้อย่างต่อเนื่อง ต่างจากวิธีการทั่วไปที่พึ่งพาการเชื่อมต่อ Prompt ภายนอก Mindverse เชื่อมั่นว่าความสามารถหลักของเอเจนต์มาจากการ “ฝึกอบรมหลัง” (Post-Training) ของโมเดล บริษัทใช้ LoRA เป็นพื้นฐานทางเทคนิคสำหรับการเรียนรู้อย่างต่อเนื่องและการจัดเก็บพารามิเตอร์ โดยประสบความสำเร็จในการเสริมแรงการเรียนรู้แบบ LoRA โดยไม่สูญเสียข้อมูลกับโมเดล MoE ขนาด万亿พารามิเตอร์ในปลายปี 2025 ลดต้นทุนการฝึกอบรมหลังให้เหลือเพียงหนึ่งในสิบของต้นทุนการฝึกอบรมแบบพารามิเตอร์เต็มรูปแบบ ผ่านสถาปัตยกรรม Mixture of LoRA สามารถเชื่อมต่อหลายพัน乃至หลายหมื่น “แพ็กเกจทักษะ” (LoRA) ที่แทนความชอบหรือประสบการณ์ทางธุรกิจที่แตกต่างกันบนฐานรากที่ใช้ร่วมกัน เพื่อรองรับการเปิดใช้งานแบบไดนามิกอย่างรวดเร็ว (ในระดับวินาที) และการแยกความเป็นส่วนตัวอย่างสะอาดสนิท Mindverse ประกาศจะเปิดแหล่งข้อมูล (open-source) โมเดลเอเจนต์ขนาด 750B พารามิเตอร์ล่าสุดของตน ซึ่งประกอบด้วยฐาน GLM 5.1 ขนาด 744B พารามิเตอร์และ LoRA ขนาด 6B เป็นผลลัพธ์แรกของโลกที่เสร็จสิ้นการฝึกอบรมแบบเสริมแรงบน GLM 5.1 และได้คะแนน SOTA ในรายการ Living Bench, Vita Bench, A2UI และ PinchBench ในด้านผลิตภัณฑ์ Mindverse ใช้กลไกวงจรสองทางที่ให้การฝึกอบรมโมเดลและแอปพลิเคชันเอเจนต์สำหรับผู้ใช้ปลายทาง Macaron (ผู้ใช้ 2 ล้านราย ผู้ใช้งานรายวัน 100,000 คน) เจริญเติบโตไปพร้อมกัน ในด้านธุรกิจ บริษัทร่วมมืออย่างลึกซึ้งกับ Huawei Cloud และ Microsoft Cloud เพื่อเปิดให้ธุรกิจเข้าถึงโครงสร้างพื้นฐานการฝึกอบรมและการประมวลผล LoRA ที่มีต้นทุนต่ำและรองรับการใช้งานพร้อมกันจำนวนมาก